-
题名基于改进U-Net网络的光伏板图像分割方法
被引量:1
- 1
-
-
作者
任喜伟
韩欣
钟弋
何立风
-
机构
陕西科技大学电子信息与人工智能学院
-
出处
《陕西科技大学学报》
北大核心
2023年第2期155-161,共7页
-
基金
国家自然科学基金项目(61971272)
陕西科技大学博士科研启动基金项目(2020BJ-01)。
-
文摘
光伏板区域识别与分割对光伏板的缺陷精确检测和组件精准定位有重要意义.在复杂环境下,针对光伏板图像存在对比度不强、边界模糊、背景复杂等影响分割的问题,提出了一种改进U-Net网络的光伏板图像分割方法.首先,搭建基于U-Net网络的对称编码-解码结构骨干网络;其次,使用深度可分离卷积替代传统卷积,并将高效ECA注意力模块添加到两组深度可分离卷积之间,以两组深度可分离卷积和一个ECA注意力模块组成一个block块,利用多个block块提升多层网络的分割性能;之后,引入交叉熵损失、Dice损失、Focal损失线性加权和作为新的损失函数,训练改进U-Net网络;最后,为验证方法的有效性,将改进U-Net网络与MobileNetV2网络、U-Net网络、Res-U-Net网络分别在3 200张光伏板红外图像数据集上进行横向对比.结果表明:改进U-Net网络的PA值和MIoU值达到了0.993 1和0.980 2,均优于其他3种网络模型,且参数量只有U-Net网络和Res-U-Net网络的33.3%和30.4%,仅次于MobileNetV2网络.因此,改进U-Net网络具有较高的准确性和泛化性,能够完成光伏板图像分割任务.
-
关键词
改进U-Net网络
光伏板图像分割
深度可分离卷积
ECA注意力模块
损失函数
-
Keywords
improved U-Net network
image segmentation of photovoltaic panels
depthwise separable convolutions
ECA attention module
loss function
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-